最近在学习机器学习方面的东西。有很多疑问无法解决。
1.比如进行线性回归时，假如有n组某一个因变量。怎么才能从这n组因变量中选出合适的m组因变量进行计算，是基于什么原因舍弃其它因变量的？
2.我看到一些实例是将某一个因变量与自变量作图，比如散点图之类，查看这一个因变量与自变量之间是否有线性关系等。但是，如果将所有因变量单独与自变量作图都会找到他们之间的关系，比如线性或其它关系。是基于什么原则来筛选这些因变量的？

哪位老师给详细解答一下，或是给一个相关知识的链接，谢谢各位！！！

因变量的选择是基于假设生成模型（assumptions of the generative model）和统计显著性（statistical significance）两个方面进行考虑的。

假设生成模型: 首先，必须假设因变量与自变量之间存在一定的关系，而这种关系可以是线性、非线性、高次等多种关系。因此，我们必须选择具有比较显著的因变量，并且假设它们与自变量之间的关系满足预期的生成模型。

统计显著性: 其次，必须考虑因变量与自变量之间的统计显著性，即它们之间的关系是否统计显著。一般来说，我们使用卡方检验（Chi-square test）、T检验（T-test）、F检验（F-test）等多种方法来评估因变量与自变量之间的统计显著性。如果因变量与自变量之间的关系不统计显著，则舍弃这一因变量。

通过考虑上述两个方面，我们就可以选择合适的因变量。如果您想了解更多关于机器学习的知识，可以参考机器学习的相关教科书，也可以参考网络上的资料。